数据驱动的航空发动机RUL预测模型研究

作者： 史国华   来源： 大连理工大学 年份： 2021 文献类型 ： 学位论文 关键词： 多工况   数据驱动   航空发动机   剩余使用寿命预测  

描述： 数据驱动的航空发动机RUL预测模型研究

基于GRU+DNN数据驱动的航空发动机故障诊断

作者： 张绍懿     薛广宇   来源： 中国机械 年份： 2024 文献类型 ： 期刊 关键词： 数据驱动   航空发动机   故障诊断   GRU+DNN  

描述： 基于GRU+DNN数据驱动的航空发动机故障诊断

運用整合科技於國籍航空公司飛航安全管理

作者： 黃忠盛   来源： 国立成功大学 年份： 2016 文献类型 ： 学位论文 关键词： 航空   安全管理  

描述： 安全管理系統（SMS）近年來逐漸被國際民航組織ICAO、國際民航運輸協會IATA及世界各飛航先進國家所重視，且認為是未來想要更進一步降低，實施上已經是日漸平緩的平均失事率的最有效方法。安全管理系統

運用整合科技於國籍航空公司飛航安全管理

作者： 黃忠盛   来源： 国立成功大学 年份： 2016 文献类型 ： 学位论文 关键词： 航空   安全管理  

描述： 安全管理系統（SMS）近年來逐漸被國際民航組織ICAO、國際民航運輸協會IATA及世界各飛航先進國家所重視，且認為是未來想要更進一步降低，實施上已經是日漸平緩的平均失事率的最有效方法。安全管理系統

基于SSA-NARX的航空发动机动态特性参数辨识方法

作者： 陈子桥     洪军     肖刚     温新   来源： 热能动力工程 年份： 2024 文献类型 ： 期刊 关键词： 数据驱动   航空发动机   麻雀搜索算法   动态模型辨识   非线性自回归神经网络  

描述： ；利用优化后的NARX网络进行动态参数辨识；使用航空发动机飞行测试数据集进行了仿真测试。结果表明：SSA-NARX方法明显优于NARX和PSO-NARX方法。SSA-NARX方法的输出参数N₁

航空齿轮钢滚动接触疲劳性能预测与表面完整性优化

作者： 吴吉展     魏沛堂     吴少杰     刘怀举     朱才朝   来源： 机械工程学报 年份： 2024 文献类型 ： 期刊 关键词： 数据驱动   寿命预测   疲劳性能   滚动接触疲劳   表面完整性  

描述： 了常规喷丸、二次喷丸、微粒喷丸、滚磨光整、喷丸光整等加工工艺对AISI 9310渗碳淬火航空齿轮钢表面完整性参数及服役性能的影响，并给出齿轮抗疲劳设计方法。针对获得的表面完整性与疲劳性能数据，开展

基于改进的SENet航空发动机振动预测

作者： 夏存江   詹于游   来源： 航空动力学报 年份： 2022 文献类型 ： 期刊 关键词： 数据驱动   注意力机制   卷积神经网络   多参数融合   振动预测  

描述： 为实时监测和预警航空发动机振动状态，基于气路及振动参数，提出一种使用改进的SENet(squeeze-and-excitation network)模型，对航空发动机近未来的振动进行预测。该研究相比以往采用的实验室模拟数据和仿真数据，使用了真实的QAR(quick access recorder)数据并进行随机采样，以求更能表征发动机振动和工作参数之间的关系。同时，不仅使用其他振动信号进行验证，还在其他型号的发动机上进行测试。结果表明：针对航空发动机的振动进行预测是可行的，SENet模型可以有效并实时追踪振动的突变和波动。此外，该方法对于其他振动信号和不同类型的发动机具有一定的适用性。而且相较于以往采用的其他经典的深度模型，SENet模型在振动的预测中能得到更小的误差。实验证明，相较于以往只使用振动这个单参数进行预测，并行使用与振动相关的多参数融合进行研究更能提高预测的准确性。

基于多模型自适应动态规划的航空发动机控制方法研究

作者： 黄朝雄   来源： 东北大学 年份： 2018 文献类型 ： 学位论文 关键词： 数据驱动   航空发动机   自适应动态规划   二阶自适应   多模型  

描述： 基于多模型自适应动态规划的航空发动机控制方法研究

基于数据驱动的飞机IDG可靠性分析

作者： 张利寒   来源： 中国民航大学 年份： 2020 文献类型 ： 学位论文 关键词： 数据驱动   EM算法   Apriori算法   可靠性   IDG  

描述： 基于数据驱动的飞机IDG可靠性分析

基于改进的SENet航空发动机振动预测

作者： 夏存江   詹于游   来源： 航空动力学报 年份： 2022 文献类型 ： 期刊 关键词： 数据驱动   注意力机制   卷积神经网络   多参数融合   振动预测  

描述： 为实时监测和预警航空发动机振动状态，基于气路及振动参数，提出一种使用改进的SENet(squeeze-and-excitation network)模型，对航空发动机近未来的振动进行预测。该研究相比以往采用的实验室模拟数据和仿真数据，使用了真实的QAR(quick access recorder)数据并进行随机采样，以求更能表征发动机振动和工作参数之间的关系。同时，不仅使用其他振动信号进行验证，还在其他型号的发动机上进行测试。结果表明：针对航空发动机的振动进行预测是可行的，SENet模型可以有效并实时追踪振动的突变和波动。此外，该方法对于其他振动信号和不同类型的发动机具有一定的适用性。而且相较于以往采用的其他经典的深度模型，SENet模型在振动的预测中能得到更小的误差。实验证明，相较于以往只使用振动这个单参数进行预测，并行使用与振动相关的多参数融合进行研究更能提高预测的准确性。